量子

　　科学家有史以来第一次观察到了 “时间晶体” 的相互作用。 　　这项研究发表在《自然 · 材料学》杂志上。来自兰卡斯特大学的第一作者萨穆利·奥蒂（Samuli Autti）博士说： “控制两种时间晶体的相互作用是一项重大成就。在此之前，没有人在同一个系统中观察到过两个时间晶体，更不用说看到它们之间的相互作用了。受控反应是将时间晶体进行实际应用（如量子信息处理）的第一步。” 　　 图｜阿尔托大学的旋转制冷装置（来源：阿尔托大学 / Mikko Raskinen） 　　 该成果可能会在量子信息处理领域得到应用。 众所周知，保护量子位的相干性是阻碍强量子计算机发展的主要困难，而时间晶体具有在不同的条件下自动保持完整 - 相干的特性。 　　 时间晶体的相互作用 　　时间晶体不同于常规的晶体类金属或岩石。常规晶体由原子在空间中呈周期性重复排列而成，而时间晶体则在时间上呈周期性重复，这使得时间晶体呈现永动状态。时间晶体有一种奇异的特性，即在没有外部输入的情况下，在时间内不断重复运动。它们的原子不断地振荡、旋转，或者先向一个方向运动，然后再向另一个方向运动。 　　 在这项最新研究中，来自兰卡斯特大学、耶鲁大学、伦敦皇家霍洛威大学和阿尔托大学的国际研究小组使用 He-3 观测了时间晶体。He-3 是缺失一个中子的罕见的 He 同位素。 这一实验是在阿尔托大学进行的。 　　研究人员将超流体 He

后记：我也不是量子计算的专家，对量子计算也只是了解一点儿皮毛，所以有读者问我“量子计算为什么这么牛”的时候，我发现我就很难像讲编程技术那样，通俗易懂，深入浅出地回答了。看了一些相关资料以后，我觉得还是有必要把我对量子计算的一点儿粗浅理解写一下，这就是这篇漫画的由来。如果文中有错误，欢迎真正懂行的批评指正。 漫画中提到了量子计算需要有特定的算法，这样才能增大计算结果正确的概率，这些量子计算到底是怎么工作的?我没有深入研究，所以只能粗粗带过了，如果哪位朋友能深入浅出地讲解一下，我非常欢迎。量子理论非常神奇，量子态的概率函数一经观察/测量就会坍塌，有种主观唯心主义的感觉，但是这个理论却解释了很多现象。推荐一本讲量子物理的非常棒的书籍《上帝扔骰子吗?》 【本文为51CTO专栏作者“刘欣”的原创稿件，转载请通过作者微信公众号coderising获取授权】 戳这里，看该作者更多好文 【编辑推荐】 大流行表明，智慧城市的意义不仅仅在于技术 王者荣耀为什么不使用微服务架构？_IT技术周刊第643期 首席技术官提供云创新以避免中断的技巧 企业如何融合人性以充分利用云计算的优势 2020年Gartner新兴技术成熟度曲线新变化 【责任编辑： 武晓燕 TEL：（010）68476606】 来源： oschina 链接： https://my.oschina.net/u/4344916/blog

数学书有两种: 第一种你看了第一页就不想看了，第二种是你看了第一句话就不想看了 >>>> 杨振宁是当代的大物理学家，又是现代数学发展的重要推动者，他的两项巨大成就: 杨–密尔斯规范场和杨–巴克斯特方程，成为80年代以来一系列数学研究的出发点，其影响遍及微分几何、偏微分方程、低维拓扑、辫结理论、量子群等重大数学学科。 这里记录的有关数学与物理学的关系，来自笔者在1995年末在纽约州立大学(石溪) 访问杨振宁先生时的一些谈话材料，不是系统的谈话。本文的中文版于1992年4月在台湾《数学传播》发表，内容不完全相同的英文版则刊于 Mathematical Intelligencer Vol.15, NO.4, 1993。后者的中译文已被收入杨振宁的新著《读书教学再十年》(台湾时报出版公司，1995)。 有关数学的两则“笑话” 1980年代初，杨振宁曾在韩国汉城作物理学演讲时说“有那么两种数学书: 第一种你看了第一页就不想看了，第二种是你看了第一句话就不想看了”。当时引得物理学家们轰堂大笑。 此话事出有因。 1969年，杨振宁察觉物理上的规范场理论和数学上的纤维丛理论可能有关系，就把著名拓扑学家Steenrod着的“The Topology of Fibre Bundles纤维丛的拓扑”一书拿来读，结果是一无所获。原因是该书从头至尾都是定义、定理、推论式的纯粹抽象演绎

张量网络图片生成与压缩 一、监督/非监督张量网络机器学习 二、张量网络图片生成与压缩 三、监督性张量网络机器学习 暑假的接近尾声，这个系列也要结束了，这是这个系列的最后一篇。我们接着上篇继续讲！ 一、监督/非监督张量网络机器学习 ∣ ψ ⟩ \left| \psi \right\rangle ∣ ψ ⟩ 是一个L-qubit的量子态，它的参数复杂度会随着特征个数 L 呈指数上升，张量网络机器学习的中心思想之一就是将 ∣ ψ ⟩ \left| \psi \right\rangle ∣ ψ ⟩ 用张量网络表示，从而使参数复杂度降低到多项式级。 在给定N个训练样本 { X [ n ] } \left\{ {{X}^{[n]}} \right\} { X [ n ] } 后，我们可以训练量子态，使其满足等概率假设: P ( X [ 1 ] ) = P ( X [ 2 ] ) = ⋯ \boldsymbol{P}\left(\boldsymbol{X}^{[\mathbf{1}]}\right)=\boldsymbol{P}\left(\boldsymbol{X}^{[2]}\right)=\cdots P ( X [ 1 ] ) = P ( X [ 2 ] ) = ⋯ 这被称为MPS非监督机器学习。 定义 交叉熵损失函数 ： f ( { X [ n ] } ) = − 1 N ∑ n =

2020云栖大会将于 9月17日-18日在线 举行，届时将通过官网为全球科技人带来前沿科技、技术产品、产业应用等领域的系列重要分享。 阿里巴巴高德地图携手合作伙伴精心筹备了 “智慧出行” 专场。我们将为大家分享高德地图在打造基于 DT+AI 和 全面上云 架构下的 新一代出行生活服务平台 过程中的思考和实践，同时邀请了合作伙伴和业内资深专家分享行业动态、理论发展方向以及在业界和学术界的 最新应用案例 。 大量前沿、创新性技术目前已经广泛应用于高德地图各项产品中，本论坛将着重讲述「高精地图、高精算法、智能时空预测模型、自动驾驶、AR导航、车道级技术」等话题，全面解析最新技术进展和场景化的实践经验，并与开发者们一起交流、讨论。 欢迎大家预约参加 2020云栖大会智慧出行专场 。 直播网址：https://yunqi.aliyun.com/2020/session31 【讲师/议题摘要】 1.高精算法推动高精地图落地 分享嘉宾：任小枫 阿里巴巴高德地图首席科学家、研究员 话题摘要：高精地图是自动驾驶走向落地的重要和必要环节，也是高德的一大未来方向。高精地图的生产，在精度、鲜度、效率等方面都提出了全新挑战。要想把高精地图做好，必须有技术上的飞跃。本次分享会从算法出发，整体介绍高德如何打磨和突破关键技术，把高精地图做到业界领先。 2.面向自动驾驶时代的“节奏式”交通控制 分享嘉宾：李萌

点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 来源：中新网、 科学网（刘如楠） 编辑：双一流高校 今天（9月24日），教育部召开新闻发布会。针对近期专家评议认为清华大学等高校已全面建成为世界一流大学，教育部新闻发言人续梅表示，双一流建设首轮的建设时间是从2016年到2020年，今年是首轮建设的收官期，所以最近一段时间各有关高校按照相关的要求，分别组织专家在对建设的成效进行自评。 因此现在是主要依托专家阶段性的进行的自我总结，自我评估 。 续梅表示， 经过这5年的建设，相关建设学校不断在汇聚优质的资源，不断加强内涵建设，也取得了一定的阶段性的成果。但是我们也要清醒地看到，我们国家高等教育的整体实力和世界一流大学相比，还有不小的差距，尤其是要实现到本世纪中叶一流的大学，一流的学科，不论是从质量上还是从数量上都要进入世界的前列， 我们还有很长的路要走，还有相当多的工作要做，还有很艰巨的任务，所以对此我们要有清醒的认识 。 9月21日，清华大学官网发布消息称，“双一流”周期总结大会的评议专家组一致认为， 清华大学已经全面建成世界一流大学 。 同时， 中国人民大学表示，整体进入世界一流大学行列。 北京大学则表示，全面实现了“双一流”建设近期目标；而根据北京大学官方公布的近期目标，就是到2020年，学校整体建成世界一流大学。 今年是首轮“双一流”建设收官之年。按照

　　 「智能时代的操作系统」飞桨和自研 AI 处理器百度昆仑都已就位，产业智能化时代正在到来。 　　 　　在刚刚开幕的百度世界大会上，总台央视主持人康辉和年轻 20 岁版的自己对话，成为了人们喜闻乐见的话题。 　　 　　这个虚拟版康辉同样「立志成为新闻播音员」。 　　之所以说是年轻 20 岁的康辉，是因为「他」是基于几十年前康辉的新闻播报视频数据生成的。与我们此前见过的一些类似技术相比，今天亮相的「康辉」，是一款具备认知能力的终端虚拟人，甚至可以进行机器——机器对话。 　　除了更会思考，全新的虚拟人技术还有另一个突破：他们的生成和展示的门槛已经大大降低，可以在普通手机上流畅运行。像这样帅气、聪明又会思考的虚拟人，背后整合了视觉、语音、语言与知识等多种模态的 AI 技术。这些技术是由升级后的百度大脑 6.0 提供的。 　　百度大脑是百度技术多年积累和业务实践的集大成，其中包括视觉、语音、自然语言处理、知识图谱、深度学习、人工智能安全等 AI 核心技术和 AI 开放平台，对内支持了百度所有业务，对外也是全方位开放。 　　从技术到硬件，从场景到应用，百度大脑作为软硬一体 AI 大生产平台，有效地降低了各行业应用 AI 技术的门槛。截至目前，百度大脑共计开放了 273 项 AI 能力，吸引到 230 万开发者，创建超过 31 万模型，并已培养出 100 万人工智能领域的从业者

　　Google 继去年 宣布实现量子优越性 后，终于迎来了又一重大进展—— 首次实现使用量子计算机对化学反应进行模拟。 　　8 月 27 日，Google 量子研究团队宣布其在量子计算机上模拟了迄今最大规模的化学反应。相关成果登上了《科学》杂志的封面，题为《超导量子比特量子计算机的 Hartree-Fock 近似模拟》（Hartree-Fock on a Superconducting Qubit Quantum Computer）。 　　 　　为了完成这项最新成果，研究人员使用 Sycamore 处理器，模拟了一个由两个氮原子和两个氢原子组成的二氮烯分子的异构化反应。最终，量子模拟与研究人员在经典计算机上进行的模拟一致，验证了他们的工作。 　　值得一提的是，这项新研究所用的 Sycamore 处理器曾在 2019 年轰动世界，并在去年 10 月，助力 Google 量子团队的研究登上《自然》杂志 150 周年版的封面。 　　在关于 Sycamore 的论文中，它在 200 秒之内所完成目标计算量需要当时世界最快的超级计算机上持续计算 1 万年。由此，Google 宣布实现量子优越性，即证明量子计算在某些问题上的处理能力超过经典计算机。论文的 76 名作者表示， 距离量子计算机有价值的短期应用只有一步之遥 。 　　该论文发表后，Google CEO 皮查伊在接受《麻省理工科技评论

　　神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向 -- 深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。 　　本文以一种简单的，循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求，但是懂一些 机器学习 基础会更好地帮助理解本文。 　　神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑中的神经网络是一个非常复杂的组织。成人的大脑中估计有 1000 亿个神经元之多。 图1 人脑神经网络 　　那么机器学习中的神经网络是如何实现这种模拟的，并且达到一个惊人的良好效果的？通过本文，你可以了解到这些问题的答案，同时还能知道神经网络的历史，以及如何较好地学习它。 　　由于本文较长，为方便读者，以下是本文的目录： 　　一. 前言 　　二. 神经元 　　三. 单层神经网络（感知器） 　　四. 两层神经网络（多层感知器） 　　五. 多层神经网络（深度学习） 　　六. 回顾 　　七. 展望 　　八. 总结 　　九. 后记 　　十. 备注 一. 前言 　　让我们来看一个经典的神经网络。这是一个包含三个层次的神经网络。红色的是 输入层 ，绿色的是 输出层 ，紫色的是 中间层 （也叫 隐藏层 ）。输入层有 3 个输入 单元，隐藏层有 4 个 单元，输出层有 2 个 单元。后文中

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 近日，德国联邦教研部长卡利切克表示，德国将于2021年拥有首台量子计算机。继6月决定加码投资20亿欧元发展量子技术后，德国希望在担任欧盟轮值主席国期间，把量子计算机相关议题纳入未来欧盟的科研框架，进一步推动欧洲在这一关系到技术主权的关键问题上加速发展。 欧洲首台量子计算机建在德国 2019年9月，在德国总理默克尔的大力支持下，美国IBM公司和德国弗劳恩霍夫协会宣布发起德国量子计算计划。IBM将在德国斯图加特附近的IBM计算机中心内安装一台IBM Q System One量子计算机，并与弗劳恩霍夫协会合作，建立欧洲量子计算研究的主要枢纽。德国政府将为此投入6.5亿欧元，推动量子技术从最初的研究走向市场应用。这将是欧洲首台量子计算机，计划于2021年投入使用。它将使欧洲的研究人员在不违反欧盟相关数据法规的前提下，应用最新的量子计算技术。 量子计算机可以解决以今天的计算能力需要数十年甚至数百年才能解决的问题，该技术不仅可用于化工、制药等领域，还具有重大地缘战略意义。卡利切克说：“我们已经决定明年将拥有第一台(量子)计算机。”这仍将是一台实验计算机，但是预期在5—10年内，新技术就可以投入工业应用。德国希望在这项未来技术上，赶上美国公司IBM和Google的领导地位。